基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

一种改进的多传感器伪序贯滤波算法

传统的多传感器数据融合算法假定传感器之间的测量噪声是不相关的,但实际上测量噪声存在着一定的相关性,因而会引起滤波精度的损失．针对该问题,文中研究了测量噪声相关情况下的同步多传感器跟踪系统的测量融合技术．在测量噪声相关的条件下,根据线性无偏最小方差估计理论,提出了一种改进的同步多传感器伪序贯滤波算法,该算法不但适用于噪声不相关情况,而且也适用于噪声相关情况．经仿真研究表明,该算法明显提高了航迹的融合精度：在测量噪声相关时,融合精度比传统算法有明显提高;而测量噪声不相关时,性能与传统的数据融合算法相同．仿真结果表明了该算法的正确性和有效性．     

基于自然选择粒子群的时钟同步算法

为了提高无线传感器网络的时钟同步精度,避免因不可靠数据和网络拓扑结构变化在同步过程中产生的同步误差,建立了基于自然选择粒子群融合算法仿真模型.首先,采用卡尔曼滤波算法,将多个传感器的测量数据进行局部滤波处理,去除测量数据中最底层的冗余信息,提高测量数据的准确性;其次,采用自然选择粒子群算法建立数据融合模型,计算网络的最优融合估计;最后,对自然选择粒子群融合算法模型进行仿真,结果表明:该算法的融合模型不仅能够对网络中的5个节点时钟进行有效融合,而且可以提高节点晶振的时偏和频偏的融合精度,形成一个具有较高稳定度的虚拟时钟,其时偏和频偏的融合精度主要集中范围分别为10-5和10-7,与传统自适应融合算法相比较,它的时偏和频偏融合精度提高了1个数量级.     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

列车轮对状态的融合监测系统

为了提高列车轮对故障诊断准确率和改善现有列车轮对状态在线监测方法的不确定性,结合多传感器信息融合原理,设计了列车轮对融合监测系统,采用特征层融合自适应加权算法进行了轮对状态融合监测,以自适应的方式寻求最优加权因子,使状态测量值总均方误差最小,比较了特征层融合自适应加权算法、模糊数据关联算法、变结构多模的状态估计算法和BP神经网络算法的计算结果。比较结果表明:当轮对两端轴承均出现故障后,两传感器输出的测量值分别为22.0470和21.0250,而此融合算法计算出的估计值为4.2642,融合值最接近真值,因此,列车轮对融合监测系统可靠性高,抗干扰性强。     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

一种新的异类多传感器系统误差融合估计算法

为解决由测向测时差无源被动传感器与主动传感器组网探测时异类多传感器系统误差估计问题,提出了一种新的异类多传感器系统误差融合估计算法.首先,通过对主被动传感器进行组合并构建异类传感器系统误差量测模型,实现了各组合传感器系统误差的实时估计;其次,通过建立多传感器融合估计结构,对多传感器系统误差的组合估计信息进行融合并反馈,获得了各传感器系统误差的全局融合估计.蒙特卡罗仿真结果表明:该算法能够对组网探测系统中各主、被动传感器的测向测时差及测距系统误差进行有效的融合估计,具有较高的工程应用价值.     

一种基于粒子滤波的分布式跟踪算法

在多平台协同作战中,由于通信时间的延迟,常常出现各传感器量测不能按照正常时序发送到数据融合中心处理的情形.为解决协同作战系统无序量测的滤波问题,同时提高其目标跟踪的性能和降低系统的算法存储量,提出了一种Unscented粒子滤波算法.该算法估计精度高、计算量和存储量较小、输出无延迟.仿真结果表明,该算法同其他滤波算法相比,提高了跟踪精度,较好地解决了时间延迟的问题.     

分布式自适应网格交互多模型JPDA算法

将自适应网格交互多模型(AGIMM)算法和联合概率数据互联(JPDA)算法相结合,提出了用于多传感器多目标跟踪的分布式自适应网格交互多模型联合概率数据互联(DAGIMM-MSJP-DA)算法.该算法在航迹关联检验阶段结束后,融合中心采用模糊加权方法对不同传感器关于同一目标的各模型概率、各模型状态估计及其对应的估计协方差阵进行融合,从而得到关于目标的总体状态估计和相应的估计协方差阵,并将融合后的各模型概率反馈至各传感器以便进行统一的、更为精确的网格自适应调整.最后通过计算机仿真验证了该算法的有效性和正确性.     

基于粒子滤波算法信息融合的磁悬浮列车定位研究

为提高磁悬浮列车的行车安全和效率,采用多传感器信息融合技术对中低速磁悬浮列车进行测速定位,以交叉感应回线测速定位和雷达传感器对进行相对定位,以查询应答器来实现绝对定位。利用粒子滤波算法对中低速磁悬浮列车测速定位的精度和可靠性进行分析,并用MATLAB仿真进行验证,证明该融合结构和融合算法能够提高列车的定位精度。     

自适应步长的细菌觅食优化算法研究

细菌觅食优化算法是一种群集智能优化算法,该文详细分析了细菌觅食优化算法中最重要的趋向性操作,其中步长对算法的效率和精度有很大影响;根据菌群中细菌个体间的位置信息,设计了动态步长估值函数,自适应的调整步长.通过经典函数的测试,说明改进细菌觅食优化算法在收敛速度和精度上比原有算法有极大提高.     

快速收敛的牛顿路径算法在交通分配中的应用

以确定性交通网络用户均衡问题为研究对象,从理论上推导出以路径费用函数为基础的用户均衡模型,在这基础上,提出快速收敛的牛顿路径算法.该算法每次仅对一OD 对进行牛顿型流量转移,转移完再更新道路流量,提出“更快速度接近均衡解原则”,运用这一原则来简化Hessian 阵,从而得到迭代方向,并通过对原函数二阶泰勒展开式进行一维搜索,寻找出最优步长.将该算法运用于实际交通分配问题,分别对小、中、大三种网络类型进行测试.结果表明,相比于传统的梯度投影算法,快速收敛的牛顿路径算法具有更快的收敛速度和更高的精度,在迭代前期尤为明显.     

技术直达列车编组计划的阶跃函数模型及同构变换

本文构造了技术直达列车编组计划（ＴＦＰ）问题的阶跃函数模型。通过对该模型做同构变换，获得了该问题的几种典型优化模型形式：线性０－１规划模型，目标函数为线性而约束条件是二次的０－１规划模型。从而为引进各种特定的算法提供了条件。文末以五个支点站为例给出了各种模型的具体形式。     

五相混合式步进电动机五边形接法的轻重步现象

介绍了步进电动机单步响应应特性的微机测试系统，研究了五相混合式步进电动机五边形接法的轻重步现象，指出对绕组五边形接法的五相混合式步进电动机，存在着两步一循环的轻重步现象，绕组由4组通电变为5相通电时为一重步，绕组由5相通电变为4相通电时为一轻步，理论分析与实验结果相符。     

公交车台阶的改进设计

通过2种设计方案,对现代公交车上的残障设施——上车台阶进行适当改进,方便了残疾人轮椅的通行,使设计更加人性化。     

消除相互影响的基波及谐波相量测量算法

信号中含有谐波时,基波及谐波会相互影响到对两者的准确测量.鉴于此,本文提出能够同时测量基波及谐波,且能够消除两者相互影响的算法.首先,通过拓展泰勒模型,建立含有谐波的动态信号模型;然后,充分利用信号频域信息在同一数据窗中获得多个不同频点处的相量值,进而计算得到表示基波时变性和谐波分量的模型参数;最后,应用理想信号模型以及动车组实测数据来检验算法的性能.研究结果表明:虽然需要增加约5.4%的运算量,但本文算法能成功消除基波及谐波间的相互影响,对基波及谐波测量误差最大减小了21.3%,方差减小了2.7%.      

An Adaptive Sliding Mode Tracking Controller Using BP Neural Networks for a Class of Large-scale Nonlinear Systems

A new type controller, BP neural-networks-based sliding mode controller is developed for a class of large-scale nonlinear systems with unknown bounds of high-order interconnections in this paper. It is shown that decentralized BP neural networks are used to adaptively learn the uncertainty bounds of interconnected subsystems in the Lyapunov sense, and the outputs of the decentralized BP neural networks are then used as the parameters of the sliding mode controller to compensate for the effects of subsystems uncertainties. Using this scheme, not only strong robustness with respect to uncertainty dynamics and nonlinearities can be obtained, but also the output tracking error between the actual output of each subsystem and the corresponding desired reference output can asymptotically converge to zero. A simulation example is presented to support the validity of the proposed BP neural-networks-based sliding mode controller.     

一种杂波环境下的多传感器多目标数据关联算法

研究了多传感器多目标的数据关联问题，提出了杂波环境下多传感器多目标跟踪的极大似然关联算法．算法中考虑了传感器对目标的漏检情况，在各个观测站传感器的观测数据不完备的情况下，建立了传感器测量与目标的可行关联分配模型，并综合采用了假点的后验概率比模型，提高了多传感器对同一目标测量的互补性和对弱信号目标的跟踪精度．理论分析和仿真实验结果表明，所提出的算法可实现杂波环境下对弱目标的持续跟踪，并且在确保航迹关联性能和较好跟踪效果的基础上，降低了算法的运算量．     

逐步增量法在有限元分析中的应用

阐述了非线性问题的类型(几何非线性和材料非线性),通过实例着重分析了逐步增量法在有限元法分析中的应用以及逐步增量法求解非线性线性的收敛性。     

基于有效路径集合的节点间连通度估计方法研究

对交通网络而言,节点间并非所有路径都作为出行者备选路径.与纯网络连通可靠性评价方法考虑节点间的所有可能路径不同,文中把节点间有效路径集合作为评价载流交通网络节点间连通可靠性的依据.节点间的有效路径集合可以通过Dial算法得到,在得到节点间有效路径集合后,利用BDD算法得到有效路径集合的不交化表示,进而得到节点间连通度的精确值.